[科技快訊]香港中大團隊追溯生物演化 打破學術界廣泛認知

第一階段：去行銷化與事實摘要

核心技術 (What)： 香港中文大學研究團隊開發了一種基於機器學習的模型，用於追溯細菌演化出氧氣呼吸能力的時間。該模型無需直接檢測與氧氣利用相關的基因，而是透過分析40個基因組成的基因集，識別好氧細菌。

關鍵突破 (How)： 傳統方法依賴直接檢測與氧氣利用相關的基因，但容易因環境基因組不完整而失效。新模型透過分析能量代謝和壓力反應等基本細胞過程相關的基因，即使應用於不完整的環境基因組，仍能保持高準確度。

應用場景 (Where/When)： 該研究主要應用於生物演化研究，透過分析超過8萬個細菌基因組，結合分子鐘定年技術，推斷細菌氧氣呼吸的演化歷史。研究成果已發表於美國國家科學院院刊。

主導者 (Who)： 香港中文大學生命科學學院及李福善海洋研究中心教授羅海偉領導的研究團隊，聯同中大醫學院及英國聖安德魯斯大學的研究人員共同完成。

第二階段：社會影響力與倫理評估

1. 影響力總體定調

這項研究屬於產業升級，它利用機器學習技術，提升了對生物演化歷史的研究能力。這項技術本身並未直接改變社會結構，但它為我們理解生命起源和演化提供了新的視角，並為未來相關研究奠定了基礎。

2. 關鍵影響分析（舉證）

• 「根據香港中文大學學者的研究，27億年前即使地球上只有局部氧氣，細菌已能演化出氧氣呼吸能力，打破了過往學術界的廣泛認知。」
  • 【涉及層面】： 科學研究、知識體系
  • 【社會衝擊分析】： 該研究挑戰了既有的科學觀點，促使學術界重新審視生物演化的時間線。這類研究的價值在於推動知識的進步，但其影響主要體現在學術界，對一般社會大眾的直接影響相對有限。
• 「為了探討這個問題，中大生命科學學院及李福善海洋研究中心教授羅海偉領導的研究團隊，聯同中大醫學院及英國聖安德魯斯大學的研究人員，運用機器學習結合演化分析，追溯細菌首次演化出呼吸氧氣的能力。」
  • 【涉及層面】： 跨領域合作、科學研究方法
  • 【社會衝擊分析】： 該研究結合了生物學、醫學和機器學習等多個領域的專業知識，體現了跨學科合作的重要性。這類合作模式有助於加速科學研究的進展，但其成功與否取決於不同領域之間的協作效率。
• 「但這次中大研究團隊開發出一種機器學習模型，無需直接尋找與氧氣相關的基因；該模型僅以最少一組由40個基因組成的基因集進行訓練，即可識別好氧細菌（即呼吸氧氣的細菌）。」
  • 【涉及層面】： 科技應用、研究效率
  • 【社會衝擊分析】： 機器學習模型的應用，提高了研究效率，並為生物演化研究提供了新的工具。這類技術的發展，可能加速科學研究的進程，但同時也可能引發對研究倫理和數據隱私的關注。

3. 盲點與反思

• 能源消耗： 新聞中未提及機器學習模型在訓練和運行過程中所需的能源消耗。隨著模型複雜度的增加，其能源消耗也可能隨之上升，這與環境永續發展的目標可能存在潛在衝突。
• 數據倫理： 雖然新聞提到了模型分析了大量細菌基因組，但未提及數據來源、數據隱私保護措施，以及研究團隊如何確保數據使用的倫理合規性。
• 研究資源分配： 機器學習模型的開發和應用需要大量的資金和技術支持。新聞中未提及研究經費來源，以及這類研究是否會導致研究資源分配的不平衡，進而影響其他領域的發展。

參考閱讀

香港中大團隊追溯生物演化 打破學術界廣泛認知,中央社 • 10 小時前